Leaderboard de AI Benchy

Name: Resultados de benchmark de modelos de AI BENCHY
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-20 Modelos evaluados: 210

210/210

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#53#53	GPT-5.4 Nanomedium	7.5	OpenAI	$0.138	13.24s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 65.2% Pruebas inestables 4 Tokens de entrada 82,819 Tokens de salida 7,100 Tokens de razonamiento 90,022 Tiempo de respuesta (promedio) 13.24s Tiempo de respuesta (total) 291.33s Tiempo de respuesta (máximo) 94.06s Respuesta incorrecta: 8 No siguió las instrucciones: 2 Trucos anti-IA : 8.3 Programación : 6.1 Combinado : 9.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 4.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 4.1 Llamada de herramientas : 10.0 Cultura general : 3.0
#56#56	GPT-5.4 Minimedium	7.5	OpenAI	$0.756	25.94s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 71.2% Pruebas inestables 6 Tokens de entrada 97,155 Tokens de salida 6,211 Tokens de razonamiento 145,544 Tiempo de respuesta (promedio) 25.94s Tiempo de respuesta (total) 570.66s Tiempo de respuesta (máximo) 138.75s Respuesta incorrecta: 6 No siguió las instrucciones: 3 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.6 Programación : 8.4 Combinado : 6.9 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 4.5 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.8 Llamada de herramientas : 4.7 Cultura general : 3.0
#60#60	LongCat 2.0medium	7.4	Meituan	$0.478	136.64s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 9.8 Tasa de aciertos por intento 60.6% Pruebas inestables 3 Tokens de entrada 97,315 Tokens de salida 44,384 Tokens de razonamiento 329,012 Tiempo de respuesta (promedio) 136.64s Tiempo de respuesta (total) 3006.01s Tiempo de respuesta (máximo) 939.52s Respuesta incorrecta: 7 Error de API: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 7.3 Análisis y extracción de datos : 6.3 Específico del dominio : 2.9 Inteligencia general : 4.8 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 5.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#63#63	Claude Sonnet 4.6none	7.3	Anthropic	$0.661	8.12s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 57.6% Pruebas inestables 1 Tokens de entrada 123,264 Tokens de salida 19,362 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 8.12s Tiempo de respuesta (total) 121.78s Tiempo de respuesta (máximo) 51.18s Respuesta incorrecta: 5 Formato extra: 4 No siguió las instrucciones: 1 Trucos anti-IA : 4.8 Programación : 5.5 Combinado : 9.8 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 6.1 Seguimiento de instrucciones : 6.5 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#67#67	Step 3.7 Flashlow	7.3	Stepfun	$0.454	20.68s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 68.2% Pruebas inestables 5 Tokens de entrada 103,833 Tokens de salida 376,581 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 20.68s Tiempo de respuesta (total) 455.01s Tiempo de respuesta (máximo) 124.75s Respuesta incorrecta: 8 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 8.2 Combinado : 7.3 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 3.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.5 Llamada de herramientas : 10.0 Cultura general : 3.0
#68#68	Kimi K2.6medium	7.2	Moonshot AI	$1.036 ↓	109.98s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 9.4 Tasa de aciertos por intento 63.6% Pruebas inestables 4 Tokens de entrada 68,902 Tokens de salida 111,680 Tokens de razonamiento 279,860 Tiempo de respuesta (promedio) 109.98s Tiempo de respuesta (total) 2309.56s Tiempo de respuesta (máximo) 876.20s Tiempo agotado: 3 Respuesta incorrecta: 3 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 7.0 Programación : 5.7 Combinado : 6.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 6.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#75#75	Grok 4.20medium	7.1	X AI	$0.777 ↓	29.47s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 4 Tokens de entrada 102,791 Tokens de salida 5,363 Tokens de razonamiento 253,977 Tiempo de respuesta (promedio) 29.47s Tiempo de respuesta (total) 648.35s Tiempo de respuesta (máximo) 199.66s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Formato extra: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.2 Programación : 6.3 Combinado : 8.7 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 3.9 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 3.0 Cultura general : 3.0
#84#84	MiMo-V2.5-Promedium	6.9	Xiaomi	$0.187 ↓	33.92s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 5 Tokens de entrada 139,883 Tokens de salida 15,521 Tokens de razonamiento 130,992 Tiempo de respuesta (promedio) 33.92s Tiempo de respuesta (total) 746.19s Tiempo de respuesta (máximo) 197.54s Formato extra: 3 Respuesta incorrecta: 3 No siguió las instrucciones: 2 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 6.2 Combinado : 6.9 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 5.5 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 6.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#85#85	Qwen3.6 Flashmedium	6.9	Qwen	$0.738 ↓	44.65s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 68.2% Pruebas inestables 5 Tokens de entrada 129,041 Tokens de salida 20,026 Tokens de razonamiento 614,312 Tiempo de respuesta (promedio) 44.65s Tiempo de respuesta (total) 982.32s Tiempo de respuesta (máximo) 578.13s Respuesta incorrecta: 8 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 5.0 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 4.8 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#96#96	GLM 5.2none	6.6	Z.ai	$0.151 ↓	9.34s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 59.1% Pruebas inestables 2 Tokens de entrada 112,359 Tokens de salida 14,340 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 9.34s Tiempo de respuesta (total) 205.46s Tiempo de respuesta (máximo) 79.65s Respuesta incorrecta: 8 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.3 Programación : 3.7 Combinado : 6.9 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 6.1 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#98#98	Qwen3.6 Max Previewnone	6.6	Qwen	$0.231 ↓	7.82s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 9.9 Tasa de aciertos por intento 60.6% Pruebas inestables 2 Tokens de entrada 106,339 Tokens de salida 19,257 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 7.82s Tiempo de respuesta (total) 172.01s Tiempo de respuesta (máximo) 102.62s Respuesta incorrecta: 10 Trucos anti-IA : 5.2 Programación : 3.8 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 4.3 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#101#101	MiMo-V2.5medium	6.5	Xiaomi	$0.082 ↓	32.20s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 69.7% Pruebas inestables 6 Tokens de entrada 105,447 Tokens de salida 7,120 Tokens de razonamiento 230,682 Tiempo de respuesta (promedio) 32.20s Tiempo de respuesta (total) 708.46s Tiempo de respuesta (máximo) 162.44s Respuesta incorrecta: 5 Formato extra: 2 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 6.2 Combinado : 8.7 Análisis y extracción de datos : 2.7 Específico del dominio : 5.3 Inteligencia general : 5.4 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#105#105	Gemini 3.1 Flash Litelow	6.5	Google	$0.621	16.26s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 59.1% Pruebas inestables 2 Tokens de entrada 94,224 Tokens de salida 7,759 Tokens de razonamiento 390,126 Tiempo de respuesta (promedio) 16.26s Tiempo de respuesta (total) 357.64s Tiempo de respuesta (máximo) 318.02s Respuesta incorrecta: 9 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.3 Programación : 5.5 Combinado : 3.2 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#106#106	Gemini 3.1 Flash Lite Previewnone	6.4	Google	$0.052	1.58s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 57.6% Pruebas inestables 1 Tokens de entrada 120,942 Tokens de salida 14,292 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.58s Tiempo de respuesta (total) 34.72s Tiempo de respuesta (máximo) 9.27s Respuesta incorrecta: 7 No siguió las instrucciones: 2 Sin respuesta: 1 Trucos anti-IA : 7.5 Programación : 5.5 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#114#114	Qwen3.5-Flashmedium	6.2	Qwen	$0.139 ↓	84.82s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 10 Fiabilidad 10.0 Tasa de aciertos por intento 69.7% Pruebas inestables 6 Tokens de entrada 118,499 Tokens de salida 12,284 Tokens de razonamiento 490,610 Tiempo de respuesta (promedio) 84.82s Tiempo de respuesta (total) 1781.22s Tiempo de respuesta (máximo) 515.38s Respuesta incorrecta: 4 Tiempo agotado: 3 Error de API: 1 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 3.7 Combinado : 6.4 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#143#143	Gemini 3.1 Flash Litehigh	5.6	Google	$2.044	61.96s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 8 Fiabilidad 10.0 Tasa de aciertos por intento 56.1% Pruebas inestables 4 Tokens de entrada 29,134 Tokens de salida 1,984 Tokens de razonamiento 1,355,583 Tiempo de respuesta (promedio) 61.96s Tiempo de respuesta (total) 1115.31s Tiempo de respuesta (máximo) 149.23s Respuesta incorrecta: 4 No siguió las instrucciones: 3 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 3.3 Combinado : 5.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 5.0 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 5.7 Llamada de herramientas : 10.0 Cultura general : 0.0
#109#109	Mimo V2 PROmedium	6.3	Xiaomi	$0.333 ↑	22.16s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 9.6 Tasa de aciertos por intento 69.7% Pruebas inestables 5 Tokens de entrada 40,961 Tokens de salida 2,518 Tokens de razonamiento 81,801 Tiempo de respuesta (promedio) 22.16s Tiempo de respuesta (total) 443.22s Tiempo de respuesta (máximo) 136.29s Respuesta incorrecta: 5 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 6.0 Combinado : 2.3 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 6.4 Llamada de herramientas : 10.0 Cultura general : 3.0
#113#113	MiMo-V2-Flashmedium	6.3	Xiaomi	$0.043 ↑	20.11s
Ver ficha del modelo Pruebas totales 21 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 62.1% Pruebas inestables 3 Tokens de entrada 40,111 Tokens de salida 12,476 Tokens de razonamiento 125,039 Tiempo de respuesta (promedio) 20.11s Tiempo de respuesta (total) 301.59s Tiempo de respuesta (máximo) 96.01s Respuesta incorrecta: 5 Error de API: 1 Formato extra: 1 No siguió las instrucciones: 1 Tiempo agotado: 1 Trucos anti-IA : 8.1 Programación : 6.0 Combinado : 4.9 Análisis y extracción de datos : 6.5 Específico del dominio : 5.9 Inteligencia general : 4.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#24#24	Muse Spark 1.1low	8.3	Meta	$0.647	11.45s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 69.7% Pruebas inestables 4 Tokens de entrada 142,298 Tokens de salida 10,847 Tokens de razonamiento 99,467 Tiempo de respuesta (promedio) 11.45s Tiempo de respuesta (total) 251.92s Tiempo de respuesta (máximo) 54.15s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 7.9 Programación : 10.0 Combinado : 6.6 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 7.3 Resolución de acertijos : 8.3 Llamada de herramientas : 9.8 Cultura general : 3.0
#43#43	Claude Opus 4.6medium	7.7	Anthropic	$3.059	34.27s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 3 Tokens de entrada 108,615 Tokens de salida 72,286 Tokens de razonamiento 28,315 Tiempo de respuesta (promedio) 34.27s Tiempo de respuesta (total) 513.99s Tiempo de respuesta (máximo) 151.51s Formato extra: 5 Respuesta incorrecta: 3 No siguió las instrucciones: 1 Trucos anti-IA : 6.4 Programación : 5.7 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#45#45	DeepSeek V4 Flashhigh	7.7	DeepSeek	$0.042 ↓	49.75s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 72.7% Pruebas inestables 5 Tokens de entrada 108,392 Tokens de salida 14,478 Tokens de razonamiento 153,687 Tiempo de respuesta (promedio) 49.75s Tiempo de respuesta (total) 1094.41s Tiempo de respuesta (máximo) 218.13s Respuesta incorrecta: 6 No siguió las instrucciones: 2 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.3 Programación : 7.8 Combinado : 6.4 Análisis y extracción de datos : 10.0 Específico del dominio : 4.1 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#51#51	Nemotron 3 Ultramedium	7.5	NVIDIA	$0.774 ↕	32.21s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 9.8 Tasa de aciertos por intento 68.2% Pruebas inestables 4 Tokens de entrada 233,488 Tokens de salida 57,916 Tokens de razonamiento 128,062 Tiempo de respuesta (promedio) 32.21s Tiempo de respuesta (total) 708.65s Tiempo de respuesta (máximo) 392.56s Respuesta incorrecta: 7 Error de API: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 10.0 Programación : 8.4 Combinado : 6.3 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 3.7 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.5 Llamada de herramientas : 10.0 Cultura general : 3.0
#54#54	GPT-5.3 Chatnone	7.5	OpenAI	$0.571	6.88s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 68.2% Pruebas inestables 5 Tokens de entrada 78,990 Tokens de salida 30,854 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.88s Tiempo de respuesta (total) 151.31s Tiempo de respuesta (máximo) 18.33s Respuesta incorrecta: 7 No siguió las instrucciones: 2 Trucos anti-IA : 6.7 Programación : 5.6 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.5 Inteligencia general : 4.6 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#55#55	GPT-5.6 Terralow	7.5	OpenAI	$0.519	5.31s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 74.2% Pruebas inestables 6 Tokens de entrada 80,295 Tokens de salida 4,714 Tokens de razonamiento 16,469 Tiempo de respuesta (promedio) 5.31s Tiempo de respuesta (total) 116.82s Tiempo de respuesta (máximo) 19.85s Respuesta incorrecta: 8 Llamada de herramienta no válida: 1 Trucos anti-IA : 8.3 Programación : 6.6 Combinado : 8.7 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.8 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 4.7 Cultura general : 3.0
#58#58	Qwen3.5-27Bmedium	7.4	Qwen	$1.627 ↑	111.94s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 72.7% Pruebas inestables 5 Tokens de entrada 111,635 Tokens de salida 15,999 Tokens de razonamiento 598,430 Tiempo de respuesta (promedio) 111.94s Tiempo de respuesta (total) 2462.67s Tiempo de respuesta (máximo) 1026.43s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Formato extra: 1 Llamada de herramienta no válida: 1 Tiempo agotado: 1 Trucos anti-IA : 8.7 Programación : 6.2 Combinado : 7.3 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#64#64	Gemini 3.1 Flash Lite Previewmedium	7.3	Google	$0.115	4.61s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 59.1% Pruebas inestables 0 Tokens de entrada 117,480 Tokens de salida 10,589 Tokens de razonamiento 46,394 Tiempo de respuesta (promedio) 4.61s Tiempo de respuesta (total) 101.39s Tiempo de respuesta (máximo) 18.34s Respuesta incorrecta: 7 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 9.1 Programación : 5.5 Combinado : 7.2 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#65#65	Gemini 3.1 Flash Litemedium	7.3	Google	$0.117	4.27s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 62.1% Pruebas inestables 2 Tokens de entrada 104,918 Tokens de salida 9,168 Tokens de razonamiento 51,130 Tiempo de respuesta (promedio) 4.27s Tiempo de respuesta (total) 94.02s Tiempo de respuesta (máximo) 26.22s Respuesta incorrecta: 7 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 9.1 Programación : 5.5 Combinado : 7.2 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#66#66	Claude Opus 4.8none	7.3	Anthropic	$1.166	4.91s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 63.6% Pruebas inestables 2 Tokens de entrada 149,206 Tokens de salida 16,797 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 4.91s Tiempo de respuesta (total) 108.03s Tiempo de respuesta (máximo) 35.03s Respuesta incorrecta: 4 Formato extra: 3 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 6.5 Programación : 5.5 Combinado : 9.8 Análisis y extracción de datos : 7.3 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#70#70	Qwen3.5 Plus 2026-04-20medium	7.2	Qwen	$0.317 ↓	46.36s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 9.6 Tasa de aciertos por intento 63.6% Pruebas inestables 2 Tokens de entrada 42,097 Tokens de salida 2,280 Tokens de razonamiento 166,613 Tiempo de respuesta (promedio) 46.36s Tiempo de respuesta (total) 973.57s Tiempo de respuesta (máximo) 189.38s Respuesta incorrecta: 8 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 6.2 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 4.9 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#73#73	Grok 4.3medium	7.1	X AI	$0.779	47.45s
Ver ficha del modelo Pruebas totales 22 Pruebas incorrectas 9 Fiabilidad 10.0 Tasa de aciertos por intento 68.2% Pruebas inestables 4 Tokens de entrada 140,031 Tokens de salida 13,739 Tokens de razonamiento 227,682 Tiempo de respuesta (promedio) 47.45s Tiempo de respuesta (total) 1043.83s Tiempo de respuesta (máximo) 216.69s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Formato extra: 1 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 5.9 Combinado : 6.5 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0

←

1 2 3 4 5 6 7

→

Comparación rápida

Leaderboard de AI Benchy

Filtrar modelos

Comparación rápida